Clasificación de imágenes de satélite y índices espectrales de vegetación: análisis comparativo
DOI:
https://doi.org/10.5007/2177-5230.2020v35n76p171Resumen
Los estudios relacionados con la dinámica territorial siempre han ocupado roles prominentes en el campo de la geografía. Los cambios espaciales experimentados en ciertas regiones están directamente vinculados a los escenarios físicos, políticos, económicos, culturales y ambientales de estos espacios en un momento dado. Se han utilizado varias herramientas para analizar el escenario de un entorno dado. El presente estudio tuvo como objetivo verificar la existencia de una correlación entre una imagen Landsat clasificada por un método de clasificación supervisado y diferentes índices de vegetación (IVs), a saber, SR, IVR, NDVI y SAVI, en el municipio de Mundo Novo, en el estado de Mato Grosso do Sul Para este propósito, se utilizaron el software gratuito QGIS y la hoja de cálculo Microsoft Excel. Como resultado, hubo una correlación media a alta entre los diferentes IVs y la imagen clasificada.
Citas
CORREA, Sonia Maria B. B. Probabilidade e Estatística. 2 ed. Belo Horizonte: PUC Minas Virtual, 2003. Disponível em: http://www.inf.ufsc.br/~vera.carmo/LIVROS/ LIVROS/livro_probabilidade_estatistica_2a _ed.pdf. Acesso em: 22/06/2019.
CRÓSTA, A. Processamento Digital de Imagens de Sensoriamento Remoto. Campinas: Unicamp, 1993.
EASTMAN, J. Ronald. IDRISI for Windows: Introdução e exercícios tutoriais. Porto Alegre, RS: Centro de Recursos Idrisi Brasil – UFRGS, 1998.
Excel. Windows Versão 7: Microsoft Corporation, 2009.
FITZ, Paulo R. Geoprocessamento sem complicação. São Paulo: Oficina de Textos, 2008.
FITZ, Paulo R. VIEIRA, Jeferson C. SOARES, Mirlla C. O uso de polígonos de amostragem em classificações supervisionadas de imagens de satélite. Entre-Lugar. V. 10; N.19. Dourados, 2019. P. 319-342. Disponível em: http://ojs.ufgd.edu.br/index.php/entre-lugar/article/view/9595. Acesso em 10/08/2019.
HEUTE, A. R et. Al. A Comparison of Vegetation Indices over a Global Set of TM Images for EOS-MODIS. Remote sensing environ. V. 59, p. 440-451. New York: Elsevier Science Inc., 1997. Disponível em: https://www.academia.edu/15285630/A comparison_of_vegetation_indices_over_a_global_set_of TM_images_for EOS-MODIS. Acesso em: 11/05/2019.
IBGE. Censo Demográfico, 2010. Disponível em www.ibge.gov.br. Acesso em 15/08/2018.
IBGE. Censo Agropecuário, 2006. Disponível em www.ibge.gov.br. Acesso em 15/08/2018.
IBGE. Censo Agropecuário, 2017. Disponível em www.ibge.gov.br. Acesso em INPE. Instituto Nacional de Pesquisas Espaciais. Imagens do satélite Landsat. Disponíveis em www.inpe.br. Acessos entre julho de 2018 e janeiro de 2019.
MATO GROSSO DO SUL. Semagro. Zoneamento Ecológico-Econômico do Estado do Mato Grosso do Sul - ZEE-MS. 2009. Disponível em: http://www.semagro.ms.gov.br/zoneamento-ecologico-economico-de-ms-zee-ms. Acesso em: 17/08/2018.
OLIVEIRA, Luís Gonçalves L. de et. al. Estudo da variabilidade de índices de vegetação através de imagens do ETM+/LANDSAT 7. Anais XIII Simpósio Brasileiro de Sensoriamento Remoto, Florianópolis, Brasil, 21-26 abril 2007, INPE, p. 5995-6002. Disponível em: http://marte.sid.inpe.br/col/dpi.inpe.br/sbsr@80/2007/01. 31.19.10/doc/@sumario.htm. Acesso em: 11/05/2019.
PORTELA, Nara Miranda. Modelo de mistura de gaussianas fuzzy contextual. Tese (Doutorado) – Universidade Federal de Pernambuco. UFPE: Recife, 2015. Disponível em: https://repositorio.ufpe.br/handle/123456789/16818. Acesso em: 22/06/2019.
QGIS/SAGA. versão 2.18 – Las Palmas de G.C, 2018.
RICHARDS, John A.; JIA, Xiuping. Remote Sensing Digital Image Analysis: An Introduction. 4 ed. Berlin: Springer-Verlag, 2006.
ROSS, Sheldon M. Introduction to Probability and statistics for engineers and scientists. 3 ed. San Diego: Elsevier, 2004.
SCHMIDT, H.; KARNIELI, A. Sensitivity of vegetation indices to substrate brightness in hyper-arid environment: the Makhtesh Ramon Crater (Israel ) case study. International Journal of Remote Sensing, 2001. vol. 22; no. 17, p. 3503–3520. Disponível em: http://www.tandf.co.uk/journals. Acesso em: 10/05/2019.
USGS. U.S. Geological Survey Imagens do Satélite Landsat. Disponíveis em https://www.usgs.gov/. Acesso entre julho de 2018 e janeiro de 2019.
XUE, Jinru; SU, Baofeng. Significant Remote Sensing Vegetation Indices: A Review of Developments and Applications. Journal of Sensors. Volume 2017, Article ID 1353691, 17 pages. Disponível em:https://doi.org/10.1155/2017/1353691. Acesso em: 10/05/2019.
Descargas
Publicado
Número
Sección
Licencia
Este trabalho está licenciado com uma Licença Creative Commons - Atribuição 4.0 Internacional.
